Diseño de Experimentos 3009340, Semestre 02 de 2018

INFORME TALLER TEÓRICO PRÁCTICO #3

Experimentos factoriales
Diego Muñoz1, Cleyver Ramirez1
Fecha de entrega: 14-03-2019

Parte I

1. Experimento del avión de papel
Después de buscar un diseño específico de avión de papel
(Basic Dart) se fijó el tipo de papel (bond 8.5¨x11¨) y se
propone como experimento factorial con dos factores fijos
(nose y winglet) para determinar los efectos de las condiciones
de diseño sobre la distancia de vuelo.
Las condiciones de experimentación están dadas para que la
estructura de diseño sea un DCA con n = 3 réplicas y 2 niveles
en cada factor.
Nose: (nariz) parte delantera del avión de papel desde la cual se
desprenden las alas y es quien dicta el diseño de perfil del avión.
Winglets: (aletas) son dispositivos aerodinámicos utilizados en
los extremos de las alas de los nuevos diseños de aviones
comerciales. Habitualmente están destinados a mejorar la
eficiencia de las aeronaves de ala fija. Generalmente, presentan
la forma de una aleta hacia arriba en el extremo del ala pero
pueden adoptar distintas geometrías.

Prueba piloto

Con el fin de familiarizarse con el lanzamiento de aviones se

dispuso una prueba piloto bajo las mismas condiciones en que
se desarrollaría el experimento.

Esta prueba también definió la persona lanzadora y su técnica
de lanzamiento para ser aún mas precisos a la hora de
estandarizar cada lanzamiento y evitar alta variabilidad.
Definiciones básicas:
Basic Dart: (dardo) es el diseño de avión de papel mas sencillo
que se pueda elaborar pero a su vez permite las modificaciones
necesarias para desarrollar este experimento.
Figura 1. Distintos diseños de winglets
Las fuerzas que actúan sobre un avión de papel son las mismas
que mantienen en vuelo una aeronave: gravedad, empuje,
resistencia y sustentación. Esta última es la fuerza ascendente
producida por las alas y se opone a la gravitatoria. El empuje es
la fuerza de impulsión comunicada a la aeronave por una hélice
o una turbina. En los aviones de papel, el empuje procede del
impulso con que el lanzador arroja el avión y su valor es pronto
superado por el de la resistencia aerodinámica[3].

Imagen 2. Fuerzas que actúan sobre un avión

En los aviones reales, empuje y resistencia por una parte, y

sustentación y peso por la otra han de estar equilibrados para
conseguir un vuelo recto y nivelado. Pero en los aviones de
papel, la falta de control sobre estas fuerzas hace que los
vuelos sean imprevisibles.
Imagen 1. Avión de papel Basic Dart [2]

1
Estudiante de Estadística, Universidad Nacional de Colombia – Sede Medellín.
 Las variables que intervienen en la medición de la distancia son
el largo de las alas (con nariz o sin ella) y la presencia o no de
winglets en las alas; bajo fuerza, ángulo y dirección de
lanzamiento iguales para cada lanzamiento, controladas por el
lanzador.

La única variable no controlada es la presencia de corrientes de

Figura 2. Fuerza de sustentación sobre un ala de avión
La parte principal de un avión son sus alas, porque producen la
fuerza de sustentación que le permite volar. Al desplazarse a
través del aire, las alas desvían el aire a su parte inferior. Con
una presión del aire mucho mayor abajo que arriba, las alas
generan la fuerza de sustentación que eleva el avión durante el
despegue y lo mantiene a flote durante el vuelo. En el aire, la
fuerza neta es cero porque la sustentación es igual al peso del
avión, que incluye a la gravedad.
aire que alteren el vuelo del avión; para esto se determino que
el lugar idóneo para la realización del experimento sería una
“caja cerrada” donde no existan dichas corrientes de aire. La
caja encontrada fue el coliseo de la Universidad Nacional de
Colombia Sede Medellín, donde se estableció su zona posterior
(lejos de la circulación de corrientes de aire y/o sus
provocadoras, como personas que estuvieran presentes en el
sitio) tal cual un “aeropuerto” donde se dispuso una zona de
lanzamiento, y con la ayuda de cinta métrica y señalizadores, de
una “pista de aterrizaje” con la marcación de las distancias
desde el punto donde eran lanzados los aviones.

Durante la preparación del experimento se elaboran 12 aviones

en 4 diseños distintos teniendo disponible como muestra para
cada nivel del factor 3 aviones a la hora de hacer la medición.
Estos diseños fueron elaborados por una misma persona bajo la
supervisión de un experto en origami, el cual garantiza el
acabado y similitud entre los aviones.

Como en este experimento la unidad experimental es el papel,

el experimentador tomará las doce unidades experimentales de
una misma resma de papel para impresora que garantizan
homogeneidad en cuanto a sus características fisicoquímicas.

Variable respuesta: Será la distancia recorrida por el avión

(aire-tierra) hasta detenerse en el piso donde se encuentran los
Imagen 3. “Pista de aterrizaje”
marcadores de distancia.

Factores controlables
1. Tipo de papel.
2. Tamaño de la hoja de papel
3. Diseño del avión
4. Fuerza de lanzamiento (empuje)
5. Angulo de lanzamiento
6. Lanzador del avión
7. Corrientes de aire

Medición de la
Distancia de vuelo
distancia de vuelo en centímetros

1. Temperatura ambiente
2. Presión atmosférica
3. Humedad relativa
Factores no controlables

Figura 3. Diagrama Entrada-Proceso-Salida

2. Objetivos del experimento la punta del avión y conservando las dimensiones del ancho del
ala hacia la parte de atrás del avión.
Por medio de un experimento factorial de dos factores de
efectos fijos se pretende, usando un modelo ANOVA,
determinar los si los factores, tamaños de las alas y uso o no de
winglets interactúan; cuales factores inciden y cuales
combinaciones son las mejores sobre la distancia de vuelo en
un avión tipo dardo. Se espera que el experimento responda a
las siguientes preguntas:

Con este experimento se pretende determinar:

1. ¿Qué condiciones ambientales que estén presentes puedan

afectar los valores de la respuesta y cómo pueden controlar
o reducir tales efectos?

2. ¿Cuánta variabilidad existe entre los valores de la

respuesta escogida con aviones construidos con las
mismas especificaciones? Es decir, ¿cuán similares son
los aviones con las mismas dimensiones?
3. ¿Cuán grande deben ser los cambios en las dimensiones
de los dos factores escogidos para el experimento con el
fin de observar una diferencia en la respuesta
seleccionada?
4. ¿Existe diferencias en la distancia de vuelo de los cuatro
diseños de aviones cuando se aumenta el tamaño de alas y
se le adiciona o no winglets? ¿Cuáles son esas diferencias?
3. Identificación de las fuentes de variación
Imagen 4. Avión con nose y winglet
Para el segundo factor un nivel es el uso de winglets de 2cm,
pues si se excede este limite superior, el avión comienza a irse
a pique, debido a que el ángulo de viraje se desestabiliza
rápidamente, ya que los winglets hacen la tarea de alerones y el
segundo nivel es sin winglets; el experimentador decide esto
porque los winglets entre 0 y 2cm no ejercen diferencia notable
en el viraje a la hora de volar.
Note que en este caso el experimentador tiene el control de la
edad del avión, es decir, se tiene el control de la fecha de
fabricación, por lo tanto los aviones son típicos de una
población de avión de papel tipo dardo fabricado bajo las
mismas especificaciones, así los resultados del experimento
tendrán una aplicación general para este tipo de avión.

3.1 Factores de estudio y sus niveles:
Los factores de estudio son “nose” y “winglets”, se han elegido
dos niveles en cada uno; para el primer factor un nivel es “sin
nariz”, el cual resulta del diseño original del avión y el segundo
nivel es “con nariz”, que se logra haciendo un doblez a 5 cm de
Para el éxito del experimento es crucial identificar los factores
potencialmente importantes, así que en la figura 4 se presenta
un diagrama de causa efecto el cual lista los factores que se
piensan afectan la distancia de vuelo del avión tipo dardo.

MATERIAL MÁQUINA AMBIENTE

Con o sin winglets Presion de aire

Tipo de papel Diseño F. Gravedad

Tamaño Tamaño alas V. viento
DISTANCIA
RECORRIDA
Falta de experiencia Precisión cinta métrica EN CM

Angulo Punto de lanzado

Fuerza de empuje Forma de lanzamiento

HOMBRE MÉTODO

Figura 4. Identificación de afectación de factores en variable respuesta

3.2 Factores de bloqueo, de ruido y covariables:
Existen otros factores como la velocidad del viento que esta
directamente relacionada con la fuerzas de resistencia y
sustentación, pues si la velocidad de este excede la fuerza de
empuje, simplemente el avión no avanzará si esta en dirección
contaria al viento, y en caso contario simplente se deja llevar en
la misma dirección, para controlar esto se decide hacer el
experimento en una “caja cerrada”; otro factor es el peso y
resitencia del material de construcción, donde el
experimentador decide usar hojas tipo bond para la elaboración
de todos los aviones.
Un factor más es la fuerza de empuje, que para controlarla el
experimentador decide que los lanzamientos los haga una
misma persona.
Otras fuentes de variación que pueden afectar la distancia de
vuelo es la presión atmosférica, que en este caso no varía por
estar en un mismo lugar. Teniendo en cuenta que las fuerzas que
actúan sobre un avión de papel son: gravedad, empuje,
resistencia y sustentación, se nota que en los aviones de papel
la falta de control sobre estas fuerzas hace que los vuelos sean
impredecibles[3].
3.3 Unidades experimentales:
El experimento se llevará a cabo usando aviones de papel
construidos bajo iguales instrucciones, con hojas bond de
8.5”x11” de igual calibre y provenientes de la misma resma.
Estos diseños fueron elaborados por una misma persona bajo la
supervisión de un experto en origami, el cual garantiza el
acabado y similitud entre los aviones.
4. Regla de asignación de las unidades experimentales a
los tratamientos
Un número igual de observaciones será hecha sobre cada uno
de los cuatro tratamientos. Por tanto, se construirán 3 aviones
por cada tratamiento.
Las unidades experimentales serán asignados aleatoriamente a
los tratamientos usando una tabla de números aleatorios. Esta
regla de asignación define un diseño completamente aleatorio
con 3 observaciones en cada tratamiento de los factores.
5. Procedimiento experimental, mediciones y
dificultades anticipadas
Luego de aleatorizar los diseños, se procede con la elaboración
de cada uno de ellos teniendo en cuenta la matriz generada por
los factores que intervendrán en el experimento:
Tabla 1. Matriz de aleatorización
sin nariz con nariz
sin winglet 9, 4, 11 8, 7, 10
con winglet 3, 2, 6 5, 1, 12
Teniendo como base dicha matriz, esta se tiene también en
cuenta para el lanzamiento de cada uno de los aviones;
registrando en ella las distancias obtenidas por cada vuelo. Cabe
anotar que si bien el vuelo termina cuando se toca tierra, en cada
medición se añadió como distancia lo recorrido al deslizarse en
la superficie de aterrizaje, siendo esta distancia proporcional a
la distancia en vuelo, esto debido a la fuerza de empuje que trae
el avión y la fuerza de resistencia presentada entre los
materiales (papel - madera pulida, laminada y brillada).
La “pista de aterrizaje” fue dispuesta en la última porción del
maderamen del Coliseo (sector noroccidental) y en ella se
marcaron distintos valores según los resultados que arrojó el
experimento piloto (distancia desde el punto de lanzamiento
hasta detención final).
Se concentró todos los lanzamientos en un momento especifico
para tratar de controlar los factores no controlables (fuerza de
empuje, dirección y afectaciones ambientales), y que al menos
fueran los mismas condiciones de vuelo para todos los aviones.
A medida que se lanzaba cada avión se señalizaba mediante un
sticker con su número respectivo lo mas rápido posible para
lograr obtener similitud en las condiciones de lanzamiento.
Luego se realizaron todas las mediciones y se anotaron en la
tabla respectiva.
Dificultades experimentales esperadas:
- Se esperaba una posible corriente de aire que altera los
vuelos.
- Variabilidad en la distancia de los vuelos de aviones con
igual diseño, debido a las distintas fuerzas de empuje que
pudieran recibir de parte del lanzador.
Dificultades encontradas durante la experimentación:
- Un par de aviones desviaron su trayectoria hacia el sur,
posiblemente por corrientes de aire no detectadas o alguna
imperfección en el diseño. Su distancia fue medida
trayendo su posición perpendicular hasta el eje de la “pista
de aterrizaje”.
6. Experimento piloto
Cuando se planteó el experimento se decidió contraponer 2
diseños de avión con diferencias notables en sus características
de vuelo, y se observa que uno de ellos es optimo para alcanzar
mayores distancias, y el otro presenta mayores tiempos de
vuelo. Debido a esto se analiza la forma de medir las respuestas
y se llega a la conclusión que es mas fácil medir distancias que
tomar tiempos de vuelo. Mostramos a continuación una tabla
con las distancias de vuelo y sus estadísticos de resumen para
ambos diseños:
 Tabla 2. Vuelos piloto (distancias en centímetros) 7. Especificación del modelo estadístico, análisis o
Basic Dart Seaplane pruebas a realizar y tamaños de muestra
Lanzamiento Distancia Distancia Teniendo en cuenta que a cada tratamiento se asigno en forma
1 1080,5 632,5 completamente aleatoria 3 unidades experimentales, se
2 984,5 848 obtienen para cada tratamiento 3 observaciones de la variable
3 970 578,5 respuesta. En total se obtuvieron 12 = 𝑎𝑏𝑛 observaciones de la
4 833 714 variable respuesta. Los datos se ven en la tabla 3 y el modelo
5 951 462,5 con interacción para la respuesta k-ésima en el tratamiento 𝐴( 𝐵*
6 1052,5 803 (nivel 𝑖 del factor A combinado con el nivel 𝑗 del factor B),
7 1091 459 corresponde a:
8 964 798
9 905,5 507,5 𝑌(*. = 𝜇 + 𝛼( + 𝛽* + (𝛼𝛽)(* + 𝜀(*.
10 1048 546
media 988 634,9 Donde el factor A: Winglets y B: Nose, con niveles
sd 81,7 147,1 𝑎 = 2 y 𝑏 = 2 y 𝑛 = 3.

El experimentador observa que la desviación estándar del

segundo modelo es mayor y la distancia de vuelo menor. Por lo
que decide experimentar con el diseño de avión tipo dardo.
La escogencia del lanzador se da mediante evaluación de
algunos lanzamientos de prueba donde se determina entre dos
lanzadores cual de ellos lo hace mejor.
▪ 𝑌(*. es la distancia recorrida del k-ésimo avión de diseño
𝐴( 𝐵* ;
▪ 𝜇 es el promedio global de la distancia recorrida de un
avion
▪ 𝛼( es el efecto del winglet 𝑖 sobre el promedio global de la
distancia recorrida de un avion
▪ 𝛽* es el efecto de nose 𝑗 sobre el promedio global de la
distancia recorrida por un avion
▪ (𝛼𝛽)(* es el efecto de winglet 𝑖 con nose 𝑗 sobre sobre el
promedio global de la distancia recorrida por un avión
▪ 𝜀(*. es el error aleatorio en la k-ésima replica del
tratamiento 𝐴( 𝐵* .

donde

𝜀(*. ((> <

~ 𝑁(0, 𝜎 ), 𝑖 = 1,2 , 𝑗 = 1,2 y 𝑘 = 1,2,3 (1)

con las restricciones para estimación por mínimos cuadrados:

∑<(AB 𝛼( = ∑<*AB 𝛽* = ∑<(AB(𝛼𝛽)(* = ∑<*AB(𝛼𝛽)(* = 0

Imagen 4. Lanzador y avión lanzado

Al momento de probar el diseño del avion escogido, se nota que

la diferencia entre las distancias de vuelo no parecen extremas
8. Datos recolectados y análisis estadísticos de resultados
y nunca se presentaron casos en los que el avion se fuera a
pique; esto talvez por el diseño que además es sencillo, resulta
Tabla 3. Datos Observados
ser estable.
Factor B
Los cambios en las dimensiones para los niveles de los factores Factor A sin nose con nose Medias
escogidos se dieron de acuerdo a lo investigado con la presencia
o no de alguna modificación del diseño básico. Para este 940 916
experimento en particular al factor de “nose” se recortó el Sin Winglets 917 875 955,83
comienzo de las alas a 2” después de la punta del avión; y en 1111 976
cuanto al factor “winglet” se convino que esta modificación 1123 1213
sería de 2cm de ala en forma perpendicular. Con winglets 1352 1295 1245,67
1147 1344
Medias 1098,33 1103,17 1100,75

Para tener una idea del comportamiento de las medias de los

tratamientos, vamos a hacer un breve análisis descriptivo
mediante graficos de interacción box-plot para observar la Tabla 4. ANOVA
variabilidad.

Gráfico 1. Interacción

Con base en el resultado anterior, se procede a realizar el test de

hipótesis siguiente:

𝐻D ∶ (𝛼𝛽)B< = ⋯ = (𝛼𝛽)<< = 0
(interacción winglet x nose no es significativa)

𝐻B ∶ (𝛼𝛽)(* ≠ 0, 𝑖 = 1,2 y 𝑗 = 1,2

(interacción winglet x nose es significativa)
(2)
Con una estadística de prueba:

𝑀𝑆(𝐴𝐵)
Se observa que los perfiles de medias de nose y winglets, 𝐹D = ~𝑓B,M
𝑀𝑆𝐸
respectivamente no son paralelos, lo cual implica que (3)
posiblemente la interacción entre nose y winglets es
significativa. A nivel de avión “con winglet” se observa que Se concluye (obtenido un valor-p=0.2143) con una
alcanza su menor distancia promedio cuando el avión tiene significancia del 5% que la interacción entre los factores
“nose” y recorre mas cuando no la tiene. A nivel de avión “sin winglet y nose, no es significativa; lo apreciado en los gráficos
winglet” pasa lo contario a lo descrito anteriormente. es un leve antagonismo entre los dos factores, es decir, tener o
no nose es ligeramente opuesto a tener o no winglet.
Las distancias promedio para un avión con “nose” es mucho
menor sin winglet que cuando lo tiene y esta diferencia se ve Como consecuencia de lo anterior vamos a tratar de interpretar
mas marcada, es decir se distancia mas, cuando el avión no tiene los resultados de los tests sobre la significancia de los efectos
“nose”. principales de cada factor.
Como uno de los objetivos del experimento es encontrar la Test sobre los efectos principales:
combinación ideal de factores para alcanzar la mayor distancia
de vuelo, a partir de las graficas se podría decir que el mejor 𝐻D: 𝛼B = 𝛼< = 0
diseño de avión es aquel que tiene winglets y la no presencia de (efectos principales del factor winglet no son significativos)
nose, que no es muy relevante a la hora de definir la distancia
de vuelo. 𝐻B : algún 𝛼( ≠ 0, 𝑖 = 2
(algunos afectos principales de winglet son significativos)
Similarmente podemos llegar a las mismas conclusiones con los
graficos de boxplot en términos de medias de tratamiento.
La estadística de prueba:
Gráfico 2. Boxplot
𝑀𝑆𝐴
𝐹B = ~𝐻D 𝑓B,M
𝑀𝑆𝐸

Se concluye con una significancia de 0.05, que ante la

interacción no significativa, los efectos principales del factor
winglet son significativos
9. Conclusiones 11. Referencias

Finalmente, aunque se observó una interacción en los gráficos, 1. Gonzalez N, Notas de Clase - Diseño de Experimentos,
cuando se analizó con el modelo ANOVA la interacción resultó Universidad N de C.
ser no significativa. Sin embargo se podría decir que la
presencia de winglets en este diseño de avión hace que vuele
2. www.amazingpaperairplanes.com
mas distancia, es decir, el efecto principal de winglet es mayor
que el de nose.
3. www.manualvuelo.com/PBV/PBV13.html

4. www.seio.es/incubadora/UnaCompeticionEStadistica...
...EntreAvionesDePapel.pdf
10. Código R usado

#"experimento factorial dos factores de efetos fijos

en un DCA"

#primero carguemos las librerias:

library(gmodels)
library(multcomp)
library(daewr)
library(MASS)
library(car)
library(lsmeans)
library(agricolae)

vuelo <- data.frame(noses =

factor(rep(c('sin','con'),times=6)),

winglets=factor(rep(c('sin','con'),each=6)),
dists=scan())
940 916
917 875
1111 976
1123 1213
1352 1295
1147 1344
vuelo
attach(vuelo)

##Graficos para analizar los datos experimentales

mediaswinglet <- sapply(split(dists,winglets),mean)
mediaswinglet
mediasnose <- sapply(split(dists,noses),mean)
mediasnose
#Graficos de interaccion
par(mfrow=c(1,2))
interaction.plot(winglets,noses,dists,type = "b",pch
= c(1,2),
col = c("blue","red"),lwd = 2)
interaction.plot(noses,winglets,dists,type = "b",pch
= c(1,2),
col = c("blue","red"),lwd = 2)

##BOXPLOT POR TRATAMIENTOS

par(mfrow=c(1,2))
boxplot(dists~winglets:noses,xlab="winglet*nose",col
=c(rep("red",2),

rep("blue",2)))
boxplot(dists~noses:winglets,xlab="nose*winglet",col
=c(rep("red",2),

rep("blue",2)))

##AJUSTE MODELO ANOVA CON INTERACCION Y CALCULO

TABLA ANOVA
modelo<-aov(dists~winglets*noses);anova(modelo)
Parte II
Experimento factorial tres factores de efectos fijos
en un DCA
Realizar el análisis estadístico del conjunto de datos que a
continuación se muestra, de acuerdo a la asignación que se
indica en cada caso.
Problema 2 En un proceso de producción de papel se desea
estudiar los efectos producidos por el porcentaje de
Tabla 1. Datos obtenidos
1. Realice gráficos de interacción, así: Para la interacción
AB, la interacción AC, y la interacción BC. También
analice la triple interacción de la siguiente manera:
Grafique la interacción AB en el nivel C1, y la interacción
AB en el nivel C2; o bien, construya los gráficos de
interacción AC en el nivel B1, la interacción AC en el
nivel B2 y la interacción AC en el nivel B3. Concluya en
términos del problema acerca de la existencia de
interacciones y la manera en que los factores interactúan.
2. Especifique el modelo ANOVA con todos los efectos
posibles, dé sus supuestos sobre el error y las restricciones
sobre los efectos considerados. Construya la tabla
ANOVA. Pruebe la significancia de efectos en el siguiente
orden:
a. Triple interacción: Si no resulta significativa,
replantee el modelo sólo con efectos principales e
interacciones por pares de factores y recalcule la
tabla ANOVA. Si la triple interacción es
significativa, los demás efectos (principales y de las
interacciones por pares) deben permanecer en el
modelo así la prueba F respectiva no rechace.
b. Dobles interacciones: Si alguna no resulta
significativa y la triple interacción tampoco es
concentración de fibra de madera en la pulpa (Factor A), la
presión del tanque (Factor B) y del tiempo de cocción de la
pulpa (Factor C), sobre la resistencia del papel. Se fijan tres
niveles de la concentración de la fibra de madera y de la presión,
y dos niveles para el tiempo de cocción; considere por tanto
todos los factores con efectos fijos. En un diseño
completamente aleatorizado se asignan dos réplicas por
tratamiento y los datos obtenidos fueron los siguientes:
significativa, replantee el modelo sólo con efectos
principales y aquellas interacciones por pares de
factores que resultaron significativos y recalcule la
tabla ANOVA.
c. Efectos principales: Evalúe la significancia teniendo
en cuenta que si efectos principales de factores
involucrados en interacciones significativas, resultan
no significativos, puede haber encubrimiento de
estos efectos por parte de alguna de las interacciones
significativas en el modelo. Por tanto tales factores
deben permanecer en el modelo.
d. Si el interés es maximizar la resistencia del papel,
¿bajo cuáles condiciones debe operarse este proceso?
Justifique con base en la evidencia estadística hallada
en el modelo ANOVA final, y el análisis de los
gráficos de los datos que resulten apropiados (de
interacciones, etc.)
3. Valide los supuestos del Modelo ANOVA final
obtenido usando residuales estandarizados y comente
sobre la adecuación del modelo.
1. Concentración porcentual de fibra de madera en la
pulpa de papel
Se estudia un proceso de producción de hojas de papel donde se
quiere evaluar los efectos producidos por 3 factores sobre la
resistencia que obtiene el papel. Donde los factores se definen
como porcentaje de concentración de fibra de madera en la
pulpa, la presión del tanque, y el tiempo de cocción de la pulpa.
2. Objetivos del experimento
Lo que se pretende resolver con el análisis es conocer los
efectos producidos que tienen los factores de porcentaje de
concentración de fibra de madera en la pulpa, la presión del
tanque, y el tiempo de cocción de la pulpa durante el proceso de
fabricación de papel sobre la resistencia del papel, como
interactúan estos factores y cuál es el mejor tratamiento que
maximiza la variable respuesta.
3. Identificación de las fuentes de variación
La estructura de los tratamientos del problema es un modelo
factorial de efectos fijos de tres factores (porcentaje de
concentración de fibra de madera en la pulpa, la presión del
Gráfico 1. Interacciones triples (Fijando el tiempo de cocción)
Figura A*B cuando C=3h
B[C == 3]
199
650
400
mean of Y[C == 3]
mean of Y[C == 4]
500
198
197
196
2 4 8 2
A[C == 3]
En el anterior gráfico se aprecia la triple interacción de los
factores de el porcentaje de concentración de fibra de madera
en la pulpa y presión del tanque con respecto a su tiempo de
cocción; del lado izquierdo tenemos con 3 horas y lado derecho
con 4 horas.
Es claro resaltar que cuando se tiene 8% y con 500psi, la
resistencia del papel suele ser la más baja en ambos niveles del
factor C, de igual manera se observa que los mejores resultados
en cuanto a resistencia, en ambos niveles se obtienen con 2% y
650 psi siendo este, gráficamente, el mejor procedimiento para
la realización de un papel más resistente.
tanque, y el tiempo de cocción de la pulpa) Los niveles son a=3,
b=3, c=2 y existe replicación.
El modelo planteado pertenece a un DCA porque se considera
que cada unidad experimental (hojas de papel, puede ser lote,
rollos no esta definido) es homogénea con respecto a las demás.
4. Variable respuesta estudiada y unidad de medida
La variable respuesta estudiada es la resistencia que obtienen
las hojas de papel, y la unidad de medida (No especificada) se
asumirá como unidades de la resistencia al rasgado y doblez
(puede ser también a la tensión o a la explosión, rigidez, dureza,
lisura, densidad, peso o calibre).
5. Realice gráficos de interacción, así: Para la interacción
AB, la interacción AC, y la interacción BC. También analice la
triple interacción de la siguiente manera: Grafique la
interacción AB en el nivel C1, y la interacción AB en el nivel
C2; o bien, construya los gráficos de interacción AC en el nivel
B1, la interacción AC en el nivel B2 y la interacción AC en el
nivel B3. Concluya en términos del problema, acerca de la
existencia de interacciones y la manera en que los factores
interactúan.
Figura A*B cuando C=4h
200.5
B[C == 4]
650
400
500
199.5
198.5
197.5
4 8
A[C == 4]
Ahora, el tiempo de cocción también afecta, destacando que con
4 horas de cocción se obtiene una pequeña mejoría que con 3
horas.
 Gráfico 2. Interacciones dobles
Figura A*B Figura A*C

197.0 197.5 198.0 198.5 199.0 199.5 200.0

B C

199.5
650 4

199.0
400 3

198.5
mean of Y

mean of Y
500

198.0
197.5
197.0
2 4 8 2 4 8

A A

Figura B*C

199.5
199.0 C

3
198.5
mean of Y

198.0
197.5
197.0
196.5

400 500 650

En el gráfico 1 figura A*B observamos que es la gráfica la cual tiempo de cocción de 4 horas, suele obtener mejores resultados
cuenta con menor paralelismo a comparación con la figura A*C que cuando solo tiene un tiempo de cocción de 3 horas.
y B*C, detectando una mayor fuerza en interacción. También
observamos que cuando se utiliza 2% de concentración de fibra Por último, en la gráfica B*C, resalta que cuando se tiene una
de madera en la pulpa y 650psi, obtenemos la mayor resistencia presión de 500psi y un tiempo de cocción de 3 horas, se
del papel. obtienen los peores resultados, mientras que al utilizar 650psi
con un tiempo de cocción de 4 horas, los resultados mejoran
En las figuras A*C y B*C, se observa una mayor tendencia de significativamente.
paralelismo, en la figura A:C cuando se utiliza un 2% y un

Gráfico 3. Boxplot interacciones

En los Box-Plot anteriores, observamos que en el gráfico 2
figura 3 que compara el porcentaje de concentración de fibra de
madera, logramos observar el cual obtiene un mejor resultado
en cuanto a su media sobre la resistencia, es el primero con 2%
donde la media es mayor que a la de 4 y 6 por ciento. También
se observa que este primero cuenta con una distribución
asimétrica, mientras que la de 4 y 6 por ciento encontramos
distribuciones un poco más simétricas.
En la figura 3 comparamos las presiones del tanque donde la de
400psi y 500psi son parecidas en cuanto a su resultado, de igual
forma, es muy notorio que con 650psi se obtiene un mayor
resultado en la resistencia del papel, podríamos decir que las 3
son simétricas aunque la última se acerca más a una distribución
asimétrica. Por ultimo tenemos la comparación de tiempo de
cocción donde solo contamos con dos niveles, con 4 horas nos
𝑌(*.O = 𝜇 + 𝛼( + 𝛽* + 𝛾. + (𝛼𝛽)(* + (𝛼𝛾)(. + (𝛽𝛾)*. + (𝛼𝛽𝛾)(*. + 𝐸(*. ,
𝐸(*.O ~𝑖𝑖𝑑 𝑁(0, 𝜎 < )
S S < S S S
R 𝛼( = R 𝛽* = R 𝛾. = R(𝛼𝛽)(* = R(𝛼𝛽)(* = R(𝛼𝛾)(. = R(𝛼𝛾)(. = R(𝛽𝛾)*. = R(𝛽𝛾)*. = R R R(𝛼𝛽𝛾)(*. = 0
(AB *AB .AB (AB *AB (AB
Triple interacción: Si no resulta significativa, se replantea el
modelo sólo con efectos principales e interacciones por pares
de factores y se recalculara la tabla ANOVA. Si la triple
interacción es significativa, los demás efectos (principales y de
las interacciones por pares) deben permanecer en el modelo así
la prueba F respectiva no rechace.
Tabla 2. Resultados para modelo ANOVA
con triple interacción
Se prueba la significancia en la triple interacción:
𝐻D: (𝛼𝛽𝛾)BBB = ⋯ = (𝛼𝛽𝛾)SS< = 0
𝐻B : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑝𝑎𝑟 (𝛼𝛽𝛾)(´*´.´ ≠ (𝛼𝛽𝛾)(*. 𝑐𝑜𝑛 𝑖, ´𝑗´, 𝑘´
≠ 𝑖, 𝑗, 𝑘
Estadístico de prueba:
𝑀𝑆𝐴𝐵𝐶 _`
𝐹D = ~ 𝑓a,BM ; 𝐹D = 1.3495
𝑀𝑆𝐸
𝑉𝑎𝑙𝑜𝑟 𝑃 = 𝑃i𝑓a,BM > 1.3495k = 0.2903053
Este modelo alcanzo 18 grados de libertad en el error. Se
concluye que con una significancia de 5%, se encuentra
damos cuenta que obtiene la mejor parte en cuanto a resultados,
y siguiendo una distribución claramente asimétrica. Como
conclusión de estos últimos Box-Plot nos damos cuenta que con
base a los resultados presentados, la manera óptima para el
proceso de papel con el objetivo de obtener una mayor
resistencia seria utilizando un 2% de concentración de fibra de
madera con 650psi y un tiempo de cocción con duración de 4
horas.
6. Especifique el modelo ANOVA con todos los efectos
posibles, dé sus supuestos sobre el error y las restricciones sobre
los efectos considerados. Construya la tabla Anova. Pruebe la
significancia de efectos en el siguiente orden:
< S < S S <
.AB *AB .AB (AB *AB .AB
evidencia para no rechazar la hipotesis nula de este ANOVA.
Logramos observar que la triple interacción resulta no
significativa, es decir 𝛼lmn =0, ahora observemos el ANOVA
replanteando el modelo con dobles interacciones.
Dobles interacciones: Si alguna no resulta significativa y la
triple interacción tampoco es significativa, se replantea el
modelo sólo con efectos principales y aquellas interacciones por
pares de factores que resultaron significativos y se recalculara
la tabla ANOVA.
Tabla 3. Resultados para modelo ANOVA
con doble interacción
Se prueba la significancia en las dobles interacciones:
𝐻D : (𝛼𝛽)BB = ⋯ = (𝛼𝛽)SS
𝐻B : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑝𝑎𝑟 (𝛼𝛽)(* ≠ (𝛼𝛽)(´*´ 𝑐𝑜𝑛 𝑖 ≠ 𝑖´, 𝑗
≠ 𝑗´ , 𝑝𝑎𝑟𝑎 𝑖, 𝑗, 𝑖´, 𝑗´ = 1, 2, 3.
𝐻D : (𝛼𝛾)BB = ⋯ = (𝛼𝛾)S<
𝐻B : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑝𝑎𝑟 (𝛼𝛾)(. ≠ (𝛼𝛾)(´.´ 𝑐𝑜𝑛 𝑖 ≠ 𝑖´, 𝑘
≠ 𝑘´ , 𝑝𝑎𝑟𝑎 𝑖, 𝑖´ = 1, 2, 3. 𝑘, 𝑘´ = 1,2
𝐻D : (𝛽𝛾)BB = ⋯ = (𝛽𝛾)S<
𝐻B : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑝𝑎𝑟 (𝛽𝛾)*. ≠ (𝛽𝛾)*´.´ 𝑐𝑜𝑛 𝑘 ≠ 𝑘´, 𝑗
≠ 𝑗´ , 𝑝𝑎𝑟𝑎 𝑗, 𝑗´ = 1, 2, 3. 𝑘, 𝑘 = 1,2
Estadístico de prueba:
𝑀𝑆𝐴𝐵 _`
𝐹DB = ~ 𝑓a,<<; 𝐹DB = 3.9167
𝑀𝑆𝐸
𝑉𝑎𝑙𝑜𝑟 𝑃 = 𝑃i𝑓a,<< > 3.9167k = 0.0150436
Se concluye que con una significancia de 5%, se encuentra
evidencia para rechazar la hipotesis nula, por lo que la
interaccion AB si es significativa.
𝑀𝑆𝐴𝐶 _`
𝐹D< = ~ 𝑓<,<< ; 𝐹D< = 2.6771
𝑀𝑆𝐸
𝑉𝑎𝑙𝑜𝑟 𝑃 = 𝑃i𝑓<,<< > 2.6771k = 0.0910703
Se concluye que con una significancia de 5%, se encuentra
evidencia para no rechazar la hipotesis nula, por lo que la
interaccion AC no es significativa.
𝑀𝑆𝐵𝐶 _`
𝐹DS = ~ 𝑓<,<< ; 𝐹DS = 2.8229 𝑀𝑆𝐸
𝑀𝑆𝐸
𝑉𝑎𝑙𝑜𝑟 𝑃 = 𝑃i𝑓<,<< > 2.8229k = 0.0810470
Se concluye que con una significancia de 5%, se encuentra
evidencia para no rechazar la hipotesis nula, por lo que la
interaccion BC no es significativa.
En la tabla 3, logramos observar la nueva tabla ANOVA sin la
triple interacción, obtenemos 22 grados de libertad en el error y
nos logramos dar que cuenta que la doble interacción entre AC
y BC son no significativas, para el resto de los efectos se
concluye significancia estadísticamente distintos de cero los
efectos 𝛼l , 𝛼m , 𝛼n , 𝛼lm .
Efectos principales: Evalúe la significancia teniendo en cuenta
que si factores involucrados en interacciones significativas,
resultan no significativos, puede haber encubrimiento de los
efectos de tal factor por parte de alguna de las interacciones
significativas en el modelo. Por tanto tales factores deben
permanecer en el modelo.
Tabla 4. Resultados para modelo ANOVA
con interacción doble AB
En la anterior tabla se logra observar la tabla ANOVA solo con
sus efectos principales y la interacción AB donde si existe
significancia. Ahora removiendo las interacciones tanto dobles
como triples no significativas, obtenemos 26 grados de libertad
en el error.
𝐻D : 𝛼B = 𝛼< = 𝛼S
𝐻B : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑝𝑎𝑟 𝛼( ≠ 𝛼(´ 𝑐𝑜𝑛 𝑖 ≠ 𝑖´ , 𝑝𝑎𝑟𝑎 𝑖, 𝑖´ = 1, 2, 3.
𝐻D: 𝛽B = 𝛽< = 𝛽S
𝐻B: 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑝𝑎𝑟 𝛽* ≠ 𝛽*´ 𝑐𝑜𝑛 𝑗 ≠ 𝑗´ , 𝑝𝑎𝑟𝑎 𝑗, 𝑗´ = 1, 2, 3.
𝐻D : 𝛾B = 𝛾<
𝐻B : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑝𝑎𝑟 𝛾. ≠ 𝛾.´ 𝑐𝑜𝑛 𝑘 ≠ 𝑘´ , 𝑝𝑎𝑟𝑎 𝑘, 𝑘´ = 1, 2.
𝑀𝑆𝐴 _`
𝐹D = ~ 𝑓<,<r ; 𝐹D = 7.8668
𝑀𝑆𝐸
𝑉𝑎𝑙𝑜𝑟 𝑃 = 𝑃i𝑓<,<r > 7.8668k = 0.00213
Se concluye que con una significancia de 5%, se encuentra
evidencia para rechazar la hipotesis nula, por lo que el efecto
del porcentaje de concentración de fibra de madera en la pulpa
sobre la resistencia del papel es significativo.
𝑀𝑆𝐵 _`
𝐹D< = ~ 𝑓<,<r ; 𝐹D< = 19.63
𝑉𝑎𝑙𝑜𝑟 𝑃 = 𝑃i𝑓<,<r > 19.63k = 6.37x10tr
Se concluye que con una significancia de 5%, se encuentra
evidencia para rechazar la hipotesis nula, por lo que el efecto
de la presión del tanque sobre la resistencia del papel es
significativo.
𝑀𝑆𝐶 _`
𝐹DS = ~ 𝑓B,<r ; 𝐹DS = 41.036
𝑀𝑆𝐸
𝑉𝑎𝑙𝑜𝑟 𝑃 = 𝑃i𝑓B,<r > 41.036k = 8.711x10tu
Se concluye que con una significancia de 5%, se encuentra
evidencia para rechazar la hipotesis nula, por lo el efecto del
tiempo de cocción de la pulpa sobre la resistencia del papel es
significativo.
6.1 Si el interés es maximizar la resistencia del papel, ¿bajo
qué condiciones debe operarse este proceso? Justifique con base
en la evidencia estadística hallada en el modelo ANOVA final,
y el análisis de los gráficos de los datos que resulten apropiados
(de interacciones, etc.)
Con base en el análisis previo sobre nuestro ANOVA y los
gráficos realizados, los resultados son muy notorios en cuanto
al tipo de proceso a fin llevado; según lo analizado, para que
exista una mayor resistencia en el papel en nuestro proceso, el
factor A (porcentaje de concentración de fibra de madera en la
pulpa) debe trabajarse con un 2%, mientras que con el factor B
(Presión en el tanque) se debe trabajar a una razón de 650psi, y
por último, para el factor C (tiempo de cocción de la pulpa) es
mejor utilizar 4 horas de cocción. Se debe trabajar bajo estas
condiciones, para obtener el proceso óptimo que maximiza la
resistencia del papel.
7. Valide los supuestos del Modelo ANOVA final obtenido Estadísticamente, el test Shapiro Wilk con estadístico de prueba
usando residuales estandarizados y comente sobre la de W=0,97759 y con criterio de rechazo de Valor-P= 0,6636
adecuación del modelo. grande entonces no se rechaza H0 e indica que los datos se
distribuyen normal. Gráficamente, en el gráfico 4 se pueden
𝐻D: 𝜀(*. ~ 𝑁𝑜𝑟𝑚𝑎𝑙𝑒𝑠, 𝐻D: 𝜀(*. 𝑛𝑜 𝑠𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑦𝑒𝑛 𝑁𝑜𝑟𝑚𝑎𝑙𝑒𝑠 observar que los datos siempre se mantienen en la línea, por lo
tanto, no se rechaza la hipótesis nula, concluyendo no se
Gráfico 4. Análisis de normalidad encuentra evidencia fuerte contra la distribución normal.
Normal Q-Q Plot
Para el ánalisis de varianza se plantea:
Shapiro-Wilk Test
W = 0.97759
𝐻D : 𝐸i𝜀(*.O k = 0 ∀( , 𝐻B : 𝐸i𝜀(*.O k ≠ 0 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑖
2

PValue = 0.6636

𝐻D : 𝐸i𝜀(*.O k = 0 ∀* , 𝐻B: 𝐸i𝜀(*.O k ≠ 0 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑗

𝐻D: 𝐸i𝜀(*.O k = 0 ∀. , 𝐻B : 𝐸i𝜀(*.O k ≠ 0 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑘
1
Sample Quantiles

0
-1
-2
-3

-2 -1 0 1 2

Cuantiles Teóricos

Gráfico 5. Análisis de varianza

Figura 6 Figura 7
2

2
Residuales Estandarizados

Residuales Estandarizados
1

1
0

0
-1
-1

-2
-2

196 197 198 199 200 201 2 4 8

Valores Ajustados porcentaje de concentración [%]

Figura 8 Figura 9
2

2
Residuales Estandarizados

Residuales Estandarizados
1

1
0

0
-1

-1
-2

-2

400 500 650 3 4

Presion del tanque [psi] Tiempo de Coccion [Horas]

En el análisis del gráfico 5 figura 6, los residuales
estandarizados vs. valores ajustados, se pueden observar
solamente un dato atípico, además se observan problemas con
la varianza constante y carencia de ajuste, en la figura 7 los
residuales estandarizados vs. porcentaje de concentración, se
pueden observar dos datos atípicos uno en 2% y el otro en 4%,
de igual forma se observa que con 4% uno tiene una mayor
dispersión que los otros dos niveles, de esto concluimos que el
supuesto de varianza no se cumple.
Ahora, el análisis gráfico de la figura 8, los residuales
estandarizados vs. presión del tanque, se pueden observar dos
datos atípicos uno en 400 y el otro en 500, además se observa
una diferencia grande entre la dispersión de los datos en el nivel
400 con respecto al nivel 650, por tanto la varianza no es
constante por lo que se concluye que existen problemas con la
varianza y por tanto se rechazan las hipótesis nulas.
Por último, del análisis gráfico de la figura 9, los residuales
estandarizados vs. tiempos de cocción, se observan dos datos
atípicos, uno en cada nivel y se observan problemas con la
varianza constante y con la carencia de ajuste.
8. Conclusiones
El objetivo principal de encontrar el proceso óptimo para la
resistencia de papel, se encontró sin problema alguno, tal y
como se argumentó anteriormente. Ahora debemos tener en
cuenta que estos resultados no difieren tanto entre ellos, se
debería conocer un poco más acerca de los reglamentos de
calidad del papel de la empresa, por ejemplo, si obteniendo una
resistencia mayor a 195, este papel puede considerarse
altamente bueno, por lo que resultados se pueden encontrar
tanto con 3 y 4 horas de cocción. Si buscamos un proceso el
cual nuestro papel sea resistente pero a la vez que sea
económico para la empresa, no tendría mucho sentido gastar
más dinero, recursos, mano de obra, etc. Y trabajar con 4 horas
de cocción, aun siendo que con este nivel, se encuentra una
mayor resistencia.
Como se comentó con anterioridad, estos resultados no varían
mucho entre sí, por lo que lo óptimo para fines reales, sería
encontrar bajo qué condiciones el proceso cumpla la demanda
de calidad sobre resistencia, y una mayor ganancia económica.
ni=3
t=8
tratamientos=factor(rep(c("Alpina","Alpina*Sal","Cam
pi","Campi*Sal","Rama","Rama*Sal","Exito","Exito*Sal
"),each=ni))
tratamientos
N=ni*t
set.seed(1234)
fac=sample(tratamientos,N) #m.a.s sin reemplazo
sobre los tratamientos replicados
UE=1:N #etiquetas de las unidades experimentales
plan=data.frame(Unidad=UE,Tratamiento=fac)
plan
#Lectura de datos
datosE=data.frame(Sal=factor(rep(1:2,times=12)),Marc
a=factor(rep(c(1:4),each=6)),Tiempo=scan())
36 43 45 33 37 40
52 51 59 41 42 40
30 28 31 25 24 23
52 55 51 43 34 32
datosE
attach(datosE)
#GRAFICOS PARA ANALIZAR LOS DATOS EXPERIMENTALES
mediasMarca=sapply(split(Tiempo,Marca),mean)
mediasSal=sapply(split(Tiempo,Sal),mean)
interaction.plot(Sal,Marca,Tiempo,type="b",lwd=2,col
=c("black","blue","red","orange",lwd=2),ylab="Tiempo
",pch=1:4)
interaction.plot(Marca,Sal,Tiempo,type="b",lwd=2,col
=1:2,ylab="Tiempo",pch=1:2)
win.graph(width=7,height=3.5);layout(matrix(c(1,1,2,
2),nrow=1),main="Boxplots segun Factores")
boxplot(Tiempo~Sal,xlab="Sal",ylab="Tiempo",boxwex=0
.4,col=c("Orange","blue"))
lines(1:2,mediasSal,type="b",pch=19,col=2,lty=2,lwd=
2)
boxplot(Tiempo~Marca,xlab="Marca",ylab="Tiempo",boxw
ex=0.4,col=c("Orange","blue","bisque","gray"))
lines(1:4,mediasMarca,type="b",pch=19,col=2,lty=2,lw
d=2)
#BOXPLOTS POR TRATAMIENTOS
mediasSalMarca=sapply(split(Tiempo,Sal:Marca),mean)
mediasMarcaSal=sapply(split(Tiempo,Marca:Sal),mean)
boxplot(Tiempo~Sal:Marca,xlab="Sal*Marca",ylab="Tiem
po",col =
c(rep("Orange",2),rep("blue",2),rep("bisque",2),rep(
"gray",2)))
lines(1:8,mediasMarcaSal,type="b",pch=19,col=2,lty=2
,lwd=2)
boxplot(Tiempo~Marca:Sal,xlab="Marca*Sal",ylab="Tiem
po",col =
c(rep("Orange",2),rep("blue",2),rep("bisque",2),rep(
"gray",2)))
lines(1:8,mediasSalMarca,type="b",pch=19,col=2,lty=2
,lwd=2)

#AJUSTE MODELO ANOVA CON INTERACCION Y CALCULO TABLA

ANOVA
9. Código R usado model=aov(Tiempo~Sal*Marca); anova(model)

#librerías necesarias # ANOVA SIN INTERACCION

library(gmodels) modelo=lm(Tiempo~Sal+Marca)
library(multcomp) summary(modelo)
library(daewr) anova(modelo)
library(car)
library(lsmeans) #Grafico de Medias
library(agricolae) win.graph()
library(lme4) plot.design(Tiempo~Sal+Marca,xlab="Factores",ylab="M
library(MASS) edia del Tiempo",main="Grafico de Medias")

#MEDIAS DE TRATAMIENTOS CON I.C DEL 95%

#Aleatorización de los tratamientos summary(lsmeans(modelo,~Sal+Marca))
#COMPARACIONES MULTIPLES DE TRATAMIENTOS POR TUKEY

TukeyHSD(modelo,"Sal",conf.level=0.95)
TukeyHSD(modelo,"Marca",conf.level=0.95)
plot(TukeyHSD(modelo,"Sal",conf.level=0.95),cex.axis
=0.8,las=1)
plot(TukeyHSD(modelo,"Marca",conf.level=0.95),cex.ax
is=0.8,las=1)

efect.metodoA=fit.contrast(modelo,"Sal",rbind(":efec
to"=c(0,-0,0,1,0,0,-1,0,0)),conf=0.95)
rbind(efect.metodoA)

shapiro.test(rstandard(modelo))

#OBTENIENDO GRAFICOS DE RESIDUOS ESTANDARIZADOS

layout(rbind(c(1,1,2,2),c(3,3,4,4)))
stripchart(rstandard(modelo)~Sal,vertical=TRUE,ylim=
c(-2.5,2.5),pch=1,cex=1,ylab="Residuales
estandarizados",main="Residuales estandarizados
vs Sal",xlab="Sal")
abline(h=c(-2,0,2),lty=2,col=2)
stripchart(rstandard(modelo)~Marca,vertical=TRUE,yli
m=c(-2.5,2.5),pch=1,cex=1,ylab="Residuales
estandarizados",main="Residuales estandarizados
vs Marca",xlab="Marca")
abline(h=c(-2,0,2),lty=2,col=2)
plot(fitted(modelo),rstandard(modelo),ylim=c(-
2.5,2.5),ylab="Residuales
estandarizados",main="Residuales
estandarizados",xlab="Valores ajustados")
abline(h=c(-2,0,2),lty=2,col=2)
qqnorm(rstandard(modelo));qqline(rstandard(modelo),l
ty=2,col=2)
legend("topleft",legend=c("Shapiro-Wilk
Test",expression(W==0.97593),expression(PValue==
0.8108)),cex=1.1)

detach(datosE)